海南省自動土壤水分站數據質量控制方法研究

施晨曉，羊清雯，陳珍莉，劉霄燕，王小潔

（海南省氣象信息中心/海南省南海氣象防災減災重點實驗室，海口 570203）

土壤水分是陸氣相互作用中重要的一環，它的變化不僅會影響地表水循環，而且對地表蒸發也會產生一定的影響。它可以直接影響陸氣間的水分與能量的交換，同時與地表反照率存在正負反饋的關系[1]，認識土壤水分對理解和預測地表溫度、降水、旱澇以及未來氣候變化的影響起到至關重要的作用[2]。此外，土壤水分是影響農業生產的重要因子之一，是監測農業干旱的重要依據之一，對農業旱災監測預警具有重要意義[3-4]。因此，土壤水分觀測數據的準確性顯得尤為重要。國內外對于加強土壤水分數據的質控，提高數據的準確性方面開展了很多研究與討論。YILMAZ等[5]利用土耳其自2007年起，共149個觀測站點的每10分鐘觀測1次的土壤水分數據，從時間序列上討論數據的連續性和可靠性，并結合氣溫數據輔助修正給出 “可靠”與“不可靠”的質控標準。LIAO等[6]發現用于NASMD（北美土壤水分數據集）的土壤水分數據質控程序在凍土等情況下，不能很好地判別數據的準確性，因此，基于78個土壤水分觀測站與已進行質控的土壤水分歷史數據對現有的質控程序改進。改進后的質控程序可以標記出虛假和錯誤的土壤水分觀測數據，特別是高海拔和高緯度的土壤水分觀測站點數據。DORIGO等[7]利用全球土壤水分觀測站數據分析發現，土壤水分觀測儀器不同以及受外界天氣影響不同會造成各站點間的數據質量有很大的差異，因此需建立一套合適的土壤水分數據質量控制方法對其進行統一的數據控制。2013年起，中國氣象局為了適應和滿足土壤水分數據的時效和準確需求，取消土壤水分人工觀測，在全國范圍內正式開展自動土壤水分觀測[8-13]。張志富[14]利用全國人工觀測和自動觀測土壤水分歷史資料，統計分析了不同土層、不同土壤水分要素值的分布特點，根據土壤水分自動觀測原理，提出適用于自動站土壤水分小時數據的質控方案。郭旭等[15]利用人工與自動土壤水分觀測資料，分析統計不同土層，不同土壤水分要素的氣候極值和時變閾值，提出適用于四川地區自動土壤水分數據的質控方法。胡偉等[16]利用數理統計學方法，統計分析不同土層，不同土壤水分要素的歷年分布和極值情況，得到江西省不同土層，不同土壤水分要素的閾值范圍，提出適用于江西省自動土壤水分數據的質控方法。

目前，海南省業務上還沒有一套針對自動土壤水分觀測數據的有效的質量控制技術方案。主要問題在于土壤水分自動觀測資料中的各種錯誤，難以實時自糾，且驗證參考不易衡量，缺少必要的依據。因此，海南省土壤水分資料實際應用較少。基于這種現狀，根據土壤水分自動站的觀測原理及觀測數據的特點并結合本省氣候特征，提出一種適用于小時土壤水分觀測資料的可行質量控制方案，試圖尋找土壤水分資料的質控應用，以提高資料在服務農林、監測生態環境等方面中的經濟和社會效益。

1 土壤水分資料

自動觀測土壤水分主要觀測以下4種要素：土壤體積含水量、土壤重量含水率、土壤相對濕度、土壤有效貯水量。我省對土壤水分的觀測土層分為 5層，分別為 0～10 cm、10～20 cm、20～30 cm、30～40 cm、40～50 cm。

海南省自2010年起開始安裝建設自動觀測土壤水分站，除海島臺站外，全省18個市縣已完成建設安裝，2012—2013年陸續投入業務運行，2013年起開始對自動觀測土壤水分數據進行審核。全省18個站的具體站點分布情況見圖1。

圖1 海南島自動土壤水分觀測站點分布圖

2 質量控制方法設計

為建立適用于海南省自動土壤水分觀測資料的質量控制方法，本研究以2013—2018年海南土壤水分數據為基礎，首先，結合海南省土壤水分分布特點[17]及本地氣候條件，分析出質控要素的整體數據特點，并參考觀測原理初步確定質控步驟；其次，對質控要素的歷史資料分不同土層、不同土壤水分要素，同時結合不同天氣特點進行統計分析，得到相應的閾值范圍；再者，對初步設定的閾值范圍進行質量評估，將閾值范圍及質控步驟進行適當的調整，使設定的閾值范圍及質控步驟更加合理；最后，擬形成一套完整且符合海南省的土壤水分質控方案。

通過分析海南省自動站土壤水分小時數據發現，自動觀測土壤水分出現異常錯誤數據情況大致有以下幾種：某一時次數據跳變；儀器不穩定或接觸不良造成觀測數據時常出現波動；土壤水文物理常數錯誤導致土壤水分數據異常；因各種客觀原因造成數據大量缺測；由于土壤類型、土壤質地等不同，即使在同一地區，土壤水分也可能存在較大差異[18]。根據以上數據特點，設定以下4種質量控制過程：數據缺測處理；土壤體積含水量界限值檢查；各土壤水分要素氣候極值檢查；時間一致性檢查。

2.1 土壤水分數據質量控制碼的規定 在質控設計方案過程中，參考任之花等[19]、張志富[14]研制的全國自動站小時降水資料、全國自動站土壤水分數據的質控方法，對海南省自動觀測土壤水分數據進行質控的進程中，需要不斷對待檢數據設置或是修改質量控制（QC）碼。QC碼0、1、2、8、9的含義分別為數據正確、數據可疑、數據錯誤、無觀測數據/缺測數據、未作質量控制[19]。

2.2 質控方法及質控碼的設置 首先給每個即將進行質控的土壤水分數據分配一個初始質控碼9（QC碼=9），按照下列質控步驟進行檢查。每一步的檢查對象均是QC碼為9的土壤水分數據，是否修改QC碼則是根據檢查結果來決定。

2.2.1 數據缺測檢查 數據的缺測情況是反映觀測數據完整性的重要指標之一，數據缺測量越少說明數據的完整性越高。在對2013—2018年S文件和實時土壤水分觀測資料進行統計分析發現，海南省存在大量數據缺測的現象，是所有疑誤數據類型中不可忽視的問題。因此，統計數據缺測情況是有必要的。主要方法是逐小時對所有土層的土壤體積含水量、土壤重量含水率、土壤相對濕度、土壤有效貯水量進行檢查，當遇到缺測符號“-”，直接判為某時次某土層某要素缺測，QC碼=8，之后的檢查也無需再做。

表1為2013—2018年全省土壤水分數據缺測的情況。從表1可看出，年缺測總數在逐年增加，其中，2018年全省土壤水分觀測數據年缺測數達26 860個，為6 a最多。1年中缺測數最多臺站的缺測數最多月的缺測率為10%～32%。由此看出，土壤水分觀測數據完整性較差，但造成完整性較差的原因是多方面的[18]。

表1 2013—2018 年海南省土壤水分觀測數據缺測情況

2.2.2 界限值檢查 界限值檢查主要的質控對象是自動土壤水分觀測儀器直接觀測的土壤體積含水量，即檢查該土壤水分要素是否超出允許值范圍，即檢查是否存在土壤水分特征上、理論上不可能出現的異常值。

在對2013—2018年小時土壤體積含水量進行統計分析發現，海南省大部分臺站各層土壤體積含水量的上限值可達60%以上，下限值可至5%以下，結合DORIGO等[7]、吳東麗等[20]、XIA等[21]的研究，土壤體積含水量一般不能大于60%，因此，將各土層的土壤體積含水量的界限值范圍設為0%～60%。當某一土層的土壤體積含水量超過這一界限范圍，判定該土層的土壤體積含水量錯誤（QC 碼=2）。圖2 為瓊山站 2016 年 40 ～50 cm土壤體積含水量的界限值檢查結果，可以看出，該站在10月18日04:00和06:00出現全年土壤體積含水量的最大值 69.1 g·cm-3（圖2 紅線），數據存在超出界限值。經核實，該日受到1 621號臺風“莎莉嘉”的影響，出現較大的強降水導致儀器周邊積水，需等雨水下滲后回落后，值的變化趨于平穩才算正常。經界限值檢查，數據處于較合理的范圍內，受降水影響、超出界限的異常值則剔除（圖2藍線）。

圖2 2016 年瓊山站（59 757）40～50 cm 土壤體積含水量界限值檢查個例

在該項檢查中，有2點需要說明，一是當判定某土層的土壤體積含水量為錯誤數據時，由于其他土壤水分要素值均是由土壤體積含水量為基礎計算得來，因此，其相應的其他土壤水分要素值均不做其他的后續檢查。二是如果土壤水分物理常數本身錯誤，那么將直接影響上限和下限值的統計判斷，從而影響該項檢查的誤判。因此，當某臺站的土壤體積含水量在經過此項檢查后，大量數據被判定為錯誤數據，那么應首先確認土壤水文物理常數是否正確。

2.2.3 氣候極值檢查范圍的確定 自動土壤水分數據中的氣候極值，指的是在氣候或理論的范圍內，某一固定的土壤水分觀測站的某土壤水分要素值在歷史上出現過的最大或最小值，這類似于地面質控中對氣候學界限值的定義，即在氣候學的角度上，不可能出現的臨界值[21-22]。由于考慮到實時數據資料的時效性，該檢查采取的方法是針對海南省的氣候、各土層土壤水分分布等特點，合理選擇極值的上下界限范圍，如果范圍太大，則會導致異常偏大或異常偏小的值無法檢查出來；如果范圍太小，則會造成大量合理的數據被誤檢，無法達到質控程序能夠合理和便捷檢查數據的目的。

挑取和確定氣候極值的數據集主要是2013—2018年的S文件和實時數據。由于萬寧站和陵水站數據從2016年1月起才有完整的數據序列，因此這2個站的數據集時間是2016—2018年。挑取和確定的具體方法步驟[23-24]：

（1）根據上一項界限值檢查，剔除不在界限范圍內的土壤體積含水量，利用公式（1）對其他要素值進行計算[25]，并大致挑取各土層各要素氣候極值范圍（圖3）：

圖3 土壤質量含水率 (a)、土壤相對濕度 (b)和土壤有效貯水量(c)不同土層的極值分布大致范圍

土壤質量含水率w(%)可以用土壤體積含水量與土壤容重的比值來表示。

其中，Q表示土壤體積含水量(%)，ρ表示土壤容重(g·cm-3)。

土壤相對濕度R(%)可以用質量含水率占田間持水量的百分比來表示，計算后取整數。

其中，fc表示田間持水量(%，用質量含水率表示)。

土壤有效貯水量u(mm)是指土壤中含有的大于凋萎濕度的水分貯存量。

其中，h表示土層間的厚度，wk表示凋萎濕度(%，用重量含水率表示)。

（2）由于歷史極值可能存在質量問題，直接利用現有的氣候極值設定的范圍，可能存在一定的誤差、誤檢或漏檢問題。因此為了獲得較準確的氣候極值的上下界限范圍，應先求得各站各土層各土壤水分要素的平均值和標準差 σ，當某要素值在 (-3σ,3σ)內，保留；反之，則作為粗大值，剔除。剔除后剩下的值再次計算各站各土層各土壤水分要素的平均值和標準差 σ。

0%＜ 30 cm 以上（含 30 cm）各層小時平均土壤相對濕度≤200%；

0%＜30 cm以下各層小時平均土壤相對濕度≤150%；

0%＜ 0～10 cm層土壤質量含水率≤60%；

0%＜ 10～40 cm層土壤質量含水率≤55%；

0%＜ 40～50 cm層土壤質量含水率≤50%；

-5 mm＜0～30 cm 層土壤有效貯水量≤60 mm；

-10 mm＜30～50 cm 層土壤有效貯水量≤60 mm。

當不同土壤水分要素值超出其相應的閾值范圍時，判定該土層某土壤水分要素錯誤（QC碼=2）。

2.2.4 時間一致性檢查參數的建立 時間一致性檢查包括時變檢查和持續性檢查兩部分。

（1） 時變檢查

在無降水的情況下，土壤水分數據基本穩定在一定的范圍內，小時間的變化較小。若有降水發生、傳感器外壁破裂滲水等其他外界因素影響，土壤水分數據會出現波動或跳變。因此，時變檢查就是檢查某時次土壤水分數據的前一小時變化是否在一個合理的范圍內。該項檢查在理論上可以確保土壤水分數據的一致性和連貫性。

經過界限值檢查和氣候極值檢查后，剔除合理范圍外的數據，對剩下的數據進行時變檢查。由于澄邁站和南濱站的數據存在長期異常的情況，為不影響時變檢查閾值范圍的挑取，故剔除兩站的數據，僅對剩下的有降水發生且序列較為穩定的，數據質量良好的16個臺站，進行全月數據的個例統計和分析。

以昌江站2015年6月各土層的土壤體積含水量與不同降水過程的對應變化情況為例（圖4）。16 日累積降水量為 13.1 mm，造成 0～10 cm 的土壤體積含水量增加了6.2%；其次是10～20 cm增加了0.1%，其余各層均未受到影響。由于在降水初期，當小時雨量達到足夠大時，雨水會往下滲透，至10～20 cm有小幅度的變化；隨著雨量的增加，雨水不斷向下滲透，至降水過程結束后，20～30 cm才有小幅度的變化。20日累積降水量為9.0 mm，造成0～10 cm的土壤體積含水量增加了1.2%，其余各層均未受到影響。22日11:00～23日18:00累積降水量達到59.9 mm，各土層隨時間均有明顯的變化。其中，22日15時降水量達17.0 mm，該小時各層的土壤體積含水量間分別增加了2.3%、2.8%、3.7%、6.3%、6.4%。這與降水量、水分下滲速度有關。降水初期累積降水雖較少，但仍存在下滲現象，加之土壤本身涵養的水分，對20 cm以下土層造成的影響相較于20 cm以上的要小，但也導致了當出現較大的降水量時20 cm以下土層的土壤體積含水量會迅速增加。通過以上分析可知，不同的累積降水量對各土層的土壤水分影響有較大的差別，以10～20 cm為界，當累積降水量在10.0 mm以下時，20 cm以下土層均不會受到影響；由于土壤對降水有一定的滯后性[17]，當累積降水量在 10.0～15.0 mm 時，30～40 cm 土層由于雨水下滲，在降水發生后1～2 h內，會有小幅度的變化，40～50 cm土層不會受到影響；當累積降水量在 15.0 mm 以上（含 15.0 mm）時，則各土層均會受到影響，且當降水一直持續發生時，所觀測到的各土層的土壤體積含水量的值也會相應增大。

圖4 昌江站2015年6月小時降水量及各土層小時土壤體積含水量變化

通過對當前現有的自動觀測土壤水分數據進行個例統計分析后，將當前時次與其前一時次進行差值計算和統計，確定各土層當前時次與其前一時次差值的上下界限值范圍，即時變檢查的閾值范圍（表2）。若超出時變檢查的閾值范圍，則判定該時次與其前一時次的該土層該土壤水分要素值為可疑（QC碼=1）。

表2 各層土壤水分要素當前時次與前一時次差值上下限

（2）持續性檢查

持續性檢查與時變檢查不同，時變檢查關注的是各小時間土壤水分數據的變化，從而判定數據是否有跳變。持續性檢查則關注的是土壤水分數據長時間是否有變化，它是從數據隨時間變化的另一個角度去判定數據是否合理，即當數據的長時間不變時，可能是由于儀器故障、觀測環境變化或是人工對比觀測錯誤等原因造成，那么可認為長時間不變的數據序列是可疑的。

通過分析全省2013—2018年S文件和實時數據，發現各土層土壤水分要素值經常出現長時間維持一個值不變。這里說的“不變”可分為正常的“不變”（如圖5-a）和異常的“不變”（如圖5-b）。從圖5-a可以看出，臨高站2015年5月10～20 cm出現相對濕度維持某一恒定值不變，但恒定值維持的時間長度有長短之分。在降水或是長時間無降水致土壤中的水分蒸發等影響下，相對濕度會有上升或是下降的過程，數據變化正常。從圖5-b可以看出，澄邁站2015年5月10～20 cm無論是否有降水發生，相對濕度一直維持100%不變，數據異常變化。

圖5 臨高站（a）、澄邁站（b）2015年5月10～20 cm 相對濕度正常個例

在該項檢查中對“長時間不變”的時間長度的設定很重要。若設置時間過短，會出現大量的疑誤信息，無法提高質控的效率；反之，會漏檢疑誤數據，無法保證數據的準確性。假設t時次的某土層的土壤水分Q未缺測，那么從該時次往前推，若連續n個時次維持一個值不變，那么t-n至t-1時段內的觀測值均為該檢查對象。若t-n時次或t-1時次的土壤水分Q判定為疑誤（QC碼=1）或錯誤（QC碼=2），那么該時段內的觀測值均判為疑誤（QC碼=1）或錯誤（QC碼=2）。該項檢查也可以作為土壤水分觀測儀器是否故障的重要依據。

圖5-b中澄邁站10～20 cm的相對濕度的錯誤值均可被有效判定，均判定為錯誤值。

3 質量控制結果

為了檢驗質控方案對本省土壤水分自動站數據的應用效果，利用缺測率、可用率、可疑率和錯誤率對海南省18個土壤水分站2019年小時數據進行質量評估。各項質量控制檢查方法的結果統計可以看出，2019年數據缺測量為22 224個，缺測率為0.70%；數據可疑量為8 398個，可疑率為0.27%；數據錯誤量為10 495個，錯誤率為0.33%。與現用的RASM（自動土壤水分觀測報表系統）的審核結果比較（表3），本質控方案不僅遍歷了所有土壤水分要素及臺站參數，并且針對不同的土壤水分要素值從歷史氣候、小時等不同時間維度進行質控；而RASM僅對一個土壤水分要素值進行質控，閾值范圍設置較為寬泛，將一些正確的數據也判斷為疑誤數據，且錯誤數據并未指出。

從圖6-a1、a2可知，2019年全年土壤水分數據平均可用率為97.80%，除9月外，其余各月數據可用率較高，均在平均可用率以上。結合各月缺測率、錯誤率和可疑率來看，6月以后的缺測率、錯誤率和可疑率均較高，特別是9月的缺測率、錯誤率和可疑率分別為0.76%、3.21%、2.24%。經核實發現，是由于瓊海站在6月遷站，相對應的土壤水文物理參數并未進行及時修改，且安裝土壤觀測儀器時不規范，導致數據出現大量缺測、錯誤和可疑。為了進一步驗證該結論，將瓊海站的數據剔除后，重新對全年土壤水分數據進行質控和統計（圖6-b1、b2）發現，2019年全年土壤水分數據平均可用率為98.84%，較未刪除瓊海站數據前有所提高，全年各月均在平均可用率以上；各月的缺測率、錯誤率和可疑率均有所下降，特別是錯誤率，下降了77.72%。由此說明，提出的質控方法能夠提出疑誤數據。

圖6 2019 年各月土壤水分數據質量狀況

4 結論與討論

本研究提出一套適合海南省自動土壤水分觀測資料的質量控制方法。首先，通過分析S文件和實時數據資料，得到18個土壤水分站的各土層各土壤水分要素的氣候極值和時變檢查的閾值范圍；其次，結合土壤水分自動觀測儀器原理及本省的氣候特點，設置和確定了參數檢查、數據缺測檢查、界限值檢查、氣候極值范圍檢查、時變檢查、持續性一致性檢查6項檢查；最后，利用2019年海南省土壤水分自動觀測資料對質量控制方法的應用效果進行檢驗。結果表明：

（1）6項檢查均能夠檢查和判斷出自動土壤水分觀測資料中相應的疑誤、錯誤和缺測數據；

（2）與現行的RASM審核軟件相比，遍歷所有土壤水分要素及臺站參數，針對不同的土壤水分要素值從歷史氣候、小時等不同時間維度設置閾值范圍，降低了漏檢率和錯檢率。

除天氣影響外，澆水、農業灌溉、地下水位的升高或降低、植被的覆蓋率等客觀因素都會對土壤水分造成一定的影響，因此，在后續的研究中還需針對不同地區、不同的植被覆蓋類型、不同的土壤類型、不同的天氣條件等方面，對海南省土壤水分數據進行更加細致的質量控制。